基于人工智能的高精度Geobacillus thermoglucosidasius酶约束模型的自动化构建
Minghao Zhang1, Haijiao Shi1, Xiaohong Wang1
1State Key Laboratory of Food Nutrition and Safety, Ministry of Education, Tianjin Engineering Research Center of Microbial Metabolism and Fermentation Process Control, College of Biotechnology, Tianjin University of Science and Technology, Tianjin, 300457, China; Key Laboratory of Industrial Fermentation Microbiology, Ministry of Education, Tianjin Engineering Research Center of Microbial Metabolism and Fermentation Process Control, College of Biotechnology, Tianjin University of Science and Technology, Tianjin, 300457, China.
Metabolic engineering
|October 20, 2024
概括
本研究介绍了BioIntelliModel (BIM),这是一个人工智能策略,用于构建像Geobacillus thermoglucosidasius这样的非模型微生物的准确代谢模型. 在工程菌株中,BIM显著改善了L-瓦林的产生.
科学领域:
- 代谢工程是代谢工程.
- 系统生物学 系统生物学
- 合成生物学 合成生物学
背景情况:
- 热菌 (Geobacillus thermoglucosidasius NCIMB 11955) 是一个有前途的细胞工厂,因为它具有耐热性和快速生长.
- 缺乏代谢信息阻碍了对非模型微生物的高精度模型构建.
- 人工智能为自动化代谢模型开发提供了潜力.
研究的目的:
- 开发一种基于人工智能的策略 (BioIntelliModel - BIM),用于非模型菌株的酶受约束代谢模型的自动构建.
- 提高应变工程代谢模型的准确性和实用性.
- 展示BIM在优化微生物生产有价值化合物的应用.
主要方法:
- 生物智能模型 (BIM) 策略使用对比学习启用酶注释 (CLEAN),MetaPatchM和天津科学技术大学kcat (TUST-kcat) 模块.
- 将酶数据自动集成到代谢流量模型中,以创建受酶约束的模型 (例如,ec_G-ther11955).
- 使用 riboflavin 生产预测和应用在 L-valine 过度生产菌株设计中使用 OptForce,PKT 和 FSEOF 算法进行验证.
主要成果:
- 开发的受酶约束模型 (ec_G-ther11955) 在预测 рибофлавин产量方面显示出明显高于以前模型的准确性.
- 该模型用于L-瓦林生产菌株设计的应用以87.5%的准确率确定了24个目标.
- 工程菌株的L-氨酸位数增加了664.04%,证明了该模型的预测能力.
结论:
- 生物智能模型 (BIM) 战略可以快速准确地构建非模型微生物的代谢模型.
- 人工智能驱动的代谢建模显著提高了微生物细胞工厂的合理设计.
- 这种方法在推进代谢工程和工业生物技术方面具有巨大的潜力.
